Mới từ năm 2019 đến nay đã có gần chục trường đại học - gồm ĐH Bách khoa Hà Nội, ĐH FPT, ĐH Sư phạm Kỹ thuật TPHCM, ĐH Công nghiệp TPHCM, ĐH Quốc tế Hồng Bàng, ĐH Công nghệ thông tin (ĐH Quốc gia TPHCM), ĐH Thủ Dầu Một (Bình Dương), ĐH Công nghệ thông tin và Truyền thông Việt - Hàn (Đại học Đà Nẵng), ĐH Đông Á (Đà Nẵng) - tuyển sinh ngành trí tuệ nhân tạo hằng năm.
“Đúng là trong một thời gian nữa sẽ có rất nhiều kỹ sư AI có mặt trên thị trường tuyển dụng nhưng nhân lực AI sẽ vẫn thiếu,” ông Nguyễn Hoàng Hưng - Trưởng phòng Công nghệ thuộc Trung tâm Không gian mạng Viettel - nhận định tại hội thảo nghiên cứu và phát triển trí tuệ nhân tạo diễn ra mới đây ở Trường Công nghệ Thông tin và Truyền thông, ĐH Bách khoa Hà Nội.
Theo ông Hưng, môi trường tuyển dụng sẽ trở nên cạnh tranh hơn, ứng viên cần có khả năng làm các công việc vốn được giao cho các vị trí khác nhau như kỹ sư khoa học dữ liệu và chuyên viên phân tích dữ liệu. “Hiện nay, công cụ hỗ trợ cho quá trình hiểu và phân tích dữ liệu đang phát triển rất nhanh, ngày càng cải tiến và thân thiện hơn với người dùng. Trước đây, những công cụ này chỉ phục vụ cho data scientist thôi, nhưng bây giờ nó có thể phục vụ cho cả data analyst nữa,” ông Hưng giải thích. “Và tiến tới trong tương lai, sẽ có những công cụ còn phục vụ cho cả người dùng thông thường, tức tiêu chuẩn về ‘hiểu dữ liệu’ hay ‘biết phân tích dữ liệu’ sẽ dần phổ biến như việc biết tiếng Anh hiện nay.”
Đồng tình với ý kiến này, TS Phạm Huy Hiệu - chuyên gia nghiên cứu tại Viện Sức khoẻ thông minh VinUni-Illinois - cho rằng, nhu cầu về nhân lực AI luôn tăng, ít nhất trong 5 đến 10 năm tới. Dù hiện nay có khá nhiều người theo học ngành AI tại các trường đại học và trung tâm công nghệ thông tin, nhưng điều đó không đồng nghĩa với việc chúng ta sẽ có đủ người tài để tham gia vào các dự án nghiên cứu và phát triển AI trong thực tế. Các trung tâm thì “chúng ta chưa biết được chất lượng đào tạo của họ đến đâu và có được kiểm định bởi cơ quan giáo dục nào không”, còn các trường đại học cũng có những khó khăn nhất định trong đào tạo - TS Hiệu nói.
Những khó khăn
“Thứ nhất, đó là về chương trình đào tạo và giảng viên - những người có kinh nghiệm và năng lực để thiết kế ra các bài giảng đáp ứng chuẩn mực quốc tế với nội dung đủ cập nhật và bài bản cả về lý thuyết lẫn thực hành,” TS Hiệu chỉ ra. “Khó khăn thứ hai, theo tôi được biết, các nhóm nghiên cứu trong các trường đại học đang thiếu những công cụ tính toán tối thiểu cho phép họ phát triển và thực hành các thuật toán về AI.”
PGS Trần Minh Triết - Phó hiệu trưởng ĐH Khoa học tự nhiên, ĐH Quốc gia TPHCM, người có nhiều kinh nghiệm nghiên cứu và đào tạo trong lĩnh vực AI, thừa nhận, khó khăn hàng đầu của các trường đại học hiện nay là thiếu hạ tầng tính toán đủ mạnh để tạo điều kiện cho người học thực hành trực tiếp trên đó. Ngay cả Đại học Bách khoa Hà Nội, nơi đi đầu về tuyển sinh ngành AI, cũng chưa yên tâm về hạ tầng tính toán của mình. Theo TS Nguyễn Phi Lê – Giám đốc điều hành Trung tâm BK.AI thuộc Trường Công nghệ Thông tin và Truyền thông, còn phải chờ đến năm sau, khi dự án tăng cường năng lực nghiên cứu trong lĩnh vực khoa học dữ liệu và trí tuệ nhân tạo đi vào hoạt động, thì hạ tầng tính toán của Trường mới có thể coi là đủ năng lực phục vụ. “Ngành AI đòi hỏi hệ thống máy tính và server chuyên dụng với những card đồ họa GPU trị giá cả trăm triệu đồng, thường các doanh nghiệp lớn mới đủ sức đầu tư,” TS Lê cho biết.
Đó cũng là lý do vì sao các diễn giả tại hội thảo đồng ý rằng, các trường đại học cần sớm gửi sinh viên đi thực tập tại các công ty công nghệ hoặc các phòng thí nghiệm nghiên cứu - việc mà cho đến nay mới có một số cơ sở đào tạo làm được. “Thực tập là lúc để sinh viên nhìn ra những bài toán thực tế trong doanh nghiệp và đời sống,” TS Hiệu nói. Thiếu các bài toán và dữ liệu thực tế để giải quyết chúng, đặc biệt là những bài toán liên quan đến ngữ cảnh Việt Nam, chính là một thách thức nữa đối với các trường đại học, theo PGS Triết.
Mặt khác, có rất nhiều mức độ trong sử dụng AI - từ chỉ cần biết cách sử dụng các mô hình đã được huấn luyện sẵn; đến lập trình, huấn luyện mô hình, và thay đổi tham số của mô hình; hay nghiên cứu tạo ra những đổi mới trong công nghệ. Bởi vậy, PGS Triết cho rằng, cần có các chương trình cũng như môi trường phù hợp để mỗi cá nhân có thể rèn luyện và phát triển hết khả năng. “Ví dụ, sinh viên giỏi toán thì có tiềm năng trở thành nhà khoa học, nghiên cứu những vấn đề hàn lâm và đề xuất những giải thuật mới. Còn sinh viên có khả năng tiếp cận công nghệ tốt đồng thời có tư duy khởi nghiệp thì cần được giúp làm quen với những thuật toán mới, những công cụ mới để các bạn hiểu và vận dụng vào những sản phẩm phục vụ cho đời sống. Chính vì vậy, tôi nghĩ chúng ta cần có chiến lược đào tạo toàn diện, đầy đủ, phù hợp với sở trường của từng người.”
PGS Triết đề xuất, bên cạnh những chương trình đào tạo kỹ sư, thạc sĩ, tiến sĩ về AI, còn cần xây dựng những chương trình đào tạo ngắn hạn dành cho những người đã tốt nghiệp và đang làm việc ở nhiều ngành khác nhau để họ có thể tìm hiểu nhanh và ứng dụng AI vào lĩnh vực của mình.
Đồng thời, ông nhấn mạnh, dù việc đào tạo chủ yếu tập trung vào người học, vẫn cần có sự phát triển hài hòa dành cho những người trực tiếp giảng dạy. “Tức là đội ngũ giảng dạy cũng cần được đầu tư để làm nghiên cứu, từ đó tạo ra môi trường phát triển lý tưởng cho cả hai,” ông nói.
Kinh nghiệm Hàn Quốc
Khan hiếm nhân lực AI không chỉ là vấn đề của riêng quốc gia nào. “Thực sự, tôi nghĩ việc thiếu nhân lực ngành AI là một vấn đề toàn cầu. Tất cả các quốc gia tập trung vào AI đều bị thiếu chuyên gia,” TS Ha Jung Woo - giám đốc Naver Clova AI Labs thuộc tập đoàn công nghệ Naver, Hàn Quốc, phát biểu với hội thảo. Ông cho biết, ở Hàn Quốc, vấn đề này đang được các trường đại học, doanh nghiệp và chính phủ cùng nhau nỗ lực giải quyết: các trường đại học tăng cường mở các khóa đào tạo về AI, còn chính phủ nhiệt tình hỗ trợ các dự án AI của sinh viên tốt nghiệp…
Với doanh nghiệp, trong trường hợp của Naver, họ lựa chọn hợp tác với các trường đại học để giải quyết bài toán nhân lực AI. “Naver đang tập trung vào hợp tác với các trường đại học. Chúng tôi thành lập 2 trung tâm nghiên cứu tại các trường đại học hàng đầu của Hàn Quốc. Thông qua các trung tâm này, Naver có thể tham gia nghiên cứu lý thuyết hoặc giải pháp thực tiễn cho các vấn đề AI. Đổi lại, chúng tôi thu về những mô hình AI tốt nhất để áp dụng cho các dịch vụ của mình. Vì vậy, lựa chọn số một của chúng tôi là thông qua sự hợp tác với các trường đại học.”
Triết lý này cũng được Naver áp dụng trong dự án Vành đai Nghiên cứu & Phát triển Trí tuệ nhân tạo toàn cầu (Global AI R&D Belt), một dự án kết nối kỹ sư phần mềm từ các cơ sở nghiên cứu khắp trên thế giới để đối trọng với những chương trình AI của các “gã khổng lồ” như Google và Amazon của Mỹ, hay Alibaba và Baidu của Trung Quốc. Thoạt đầu có Hàn Quốc, Nhật Bản, Liên minh châu Âu tham gia; còn hiện nay, dự án đã mở rộng đến Việt Nam, Bắc Mỹ, Đức, Hongkong,…
Trong đó, ở Việt Nam, năm 2020, Naver hợp tác thành lập Trung tâm AI tại Đại học Bách khoa Hà Nội và Học viện Công nghệ Bưu chính Viễn thông. Và từ giữa năm 2021, Naver Việt Nam bắt đầu xúc tiến xây dựng Trung tâm Lập trình tại TPHCM để kết nối với hai trung tâm AI này cũng như với các trung tâm khác ở Việt Nam và cả Đông Nam Á trong tương lai.
Không chỉ hợp tác với trường đại học, ông Ha cho biết, các doanh nghiệp Hàn Quốc còn góp phần bồi đắp lực lượng AI bằng cách đào tạo chuyển đổi cho các lập trình viên của mình; công bố các giáo trình mở; cung cấp dữ liệu và cơ sở hạ tầng; tổ chức nhiều cuộc thi để nâng cao trình độ AI của sinh viên và lập trình viên trong và ngoài doanh nghiệp. “Vì nhân tài AI là một vấn đề hệ trọng của các doanh nghiệp nên nhiều doanh nghiệp - như Naver, Samsung và SK - đang trực tiếp tham gia giải quyết. Tôi tin rằng, tất cả những nỗ lực nêu trên của doanh nghiệp sẽ gây ấn tượng và thu hút các tài năng AI,” ông Ha kết luận.
